金属基复合材料成分组织与性能机器学习数据

数据驱动的材料设计亟需高质量、大规模、结构化的材料性能数据集。本数据集面向SiC颗粒增强铝基复合材料，采用有限元方法系统生成包含微观结构特征的力学性能仿真数据，并基于深度学习模型构建了完整的“仿真-预测-对比”数据体系。数据集涵盖8种典型材料构型（球形颗粒、多面颗粒、混杂颗粒、均匀构型、带状构型、环状构型、网状构型以及按体积分数划分的训练数据集），共计32749条数据记录。每条数据均包含基体与增强体材料参数、微观几何构型参数、有限元计算设置以及弹性模量、屈服应力、抗拉强度、韧性等关键力学性能指标。部分数据还提供了深度学习预测结果与有限元基准的对比，可用于模型训练、验证与误差分析。本数据集为颗粒增强金属基复合材料的机器学习建模、微观结构-性能关系挖掘以及高性能复合材料的高效设计提供了标准化、可追溯的数据基础。